原文传递
基于深度学习的桥梁地震损伤快速评估方法研究
| 论文题名： | 基于深度学习的桥梁地震损伤快速评估方法研究 |
| 关键词： | 桥梁震害;地震动时频特性;小波变换;地震损伤指数;卷积神经网络 |
| 摘要： | 传统桥梁结构的震害损伤评估一般是由资深研究学者或工程设计人员亲临现场进行勘探，但此种方法受限于评估人员的专业性和灾害现场环境，且评估时间长、效率差。因此，发展一种快速、准确且安全的方法进行桥梁结构震害损伤评估具有重要的理论意义与实用价值，可以为灾后救援工作的顺利实施提供科学支撑和理论依据。本文提出了一种基于小波时频分析和卷积神经网络的桥梁结构震害快速损伤评估方法，该方法同时考虑了地震动的时域信息和非平稳的频域特征，建立起地震动信号与桥梁结构震害损伤之间的映射关系。主要研究内容如下： （1）对地震动加速度时程数据进行小波变换，获得地震动的时、频域特征，并绘制小波时频图，将其汇总形成卷积神经网络数据集。 （2）通过OpenSees平台建立某三跨连续梁桥有限元模型，对桥梁结构进行非线性动力时程分析，基于Park-Ang双参数损伤模型计算Park损伤指数，并依据地震性能损伤目标，采用Green、Yellow、Red三种标签对损伤指数进行分类。 （3）利用广泛使用的卷积神经网络：AlexNet、VGG16Net、ResNet34、ResNet101和轻量级卷积神经网络MobileNetV2、MobileNetV3对小波时频图数据集进行训练，采用迁移学习的方法，结合本文研究对象和目标，探寻适用于桥梁结构震害损伤评估的卷积神经网络。 研究结果表明：本方法在桥梁结构震害损伤评估中具有较大的应用潜力，其中ResNet101网络模型识别性能最好，验证集识别准确率为83.25%。而轻量级卷积神经网络MobileNetV2相比于ResNet101网络模型参数减少了20倍，而识别准确率仅仅下降了11%。 |
| 作者： | 苗思雨 |
| 专业： | 土木工程 |
| 导师： | 刘浪 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
